人脸图像预测方法及系统技术方案

本发明专利技术公开了一种人脸图像预测方法及系统，该方法包括：获取待预测的人脸图像及预测人脸图像的时间点；从所述人脸图像中提取人脸属性特征；利用所述人脸属性特征确定对应的人脸图像预测模型；将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。利用本发明专利技术，可以使预测得到的人脸图像与待预测的人脸图像更具相关性，大大提高了用户体验。

Face image prediction method and system

The invention discloses a face image prediction method and system, the method includes: obtaining the face images and predict the face to be predicted at the time; extract attributes from the face image; using the face attributes determine the face image corresponding to the measurement model; the pixel point of the input face the image of the face model, the face image can be predicted. By using the method, the predicted face image can be more correlated with the face image to be predicted, and the user experience is improved greatly.

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体涉及一种人脸图像预测方法及系统。
技术介绍
随着现代生活水平的不断提高和科技的不断进步，人们对于娱乐化、信息化的需求也越来越多样化。为了适应人们日益增长的物质文化需求和高科技辅助社会管理的需要，通过图像处理技术预测一个人以前或以后的长相等需求越发强烈，尤其是输入一张用户照片预测用户在相应时间的长相在娱乐方面有广泛应用，所述相应时间如20岁或30岁或20年后等，具体应用如电影的摄制中可以用于预测某明星的幼年或老年时的长相，搜索相应替身演员；又如在手机的应用中预测用户自己相应时间的照片，增加手机应用的娱乐性；当然在其它领域也有相应需求，如公共安全领域，对犯罪嫌疑人在多年后的长相进行预测，帮助警方进行破案等。现有的人脸图像预测方法一般是基于人脸合成技术，预测人脸图像时，使用三维重建方法合成相应年龄段的人脸图像，所述三维重建指对人脸进行关键点检测后，对输入图像进行三维建模，将图像中人脸纹理贴到三维模型上，对检测到的关键点进行三维形变，对三维贴图进行插值处理；最后将预先生成的相应年龄段的皱纹添加到处理后的三维模型上，并进行平滑处理，从而得到重建的相应年龄段的人脸图像，所述皱纹需要预先收集大量数据进行模型训练，利用训练得到的模型模拟出来的。然而，由于每个人的人脸纹理变化存在较大差异，现有方法在合成相应年龄段的人脸图像时，使用预先生成好的相应年龄段的皱纹添加到所述三维模型上，而预先生成的皱纹与当前用户输入的人脸图像并不相关，添加皱纹后的人脸图像与用户提供的人脸图像往往差异性较大，尤其是添加皱纹的边缘差异更明显，从而使合成后的人脸图像看起来较奇怪，真实感较差，用户体验度较低。
技术实现思路
本专利技术实施例提供一种人脸图像预测方法及系统，以提高预测得到的人脸图像的真实感，提升用户体验度。为此，本专利技术提供如下技术方案：一种人脸图像预测方法，包括：获取待预测的人脸图像及预测人脸图像的时间点；从所述人脸图像中提取人脸属性特征；利用所述人脸属性特征确定对应的人脸图像预测模型；将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。优选地，所述人脸图像预测模型包括时光顺流模型和/或时光逆流模型，所述时光顺流模型用于预测人脸未来的长相情况，所述时光逆流模型用于预测人脸过去的长相；所述方法还包括按以下方式构建人脸图像预测模型：收集大量人脸图像，构建时光变换数据库；从所述时光变换数据库中的人脸图像中提取人脸属性特征；对所述时光变换数据库中的人脸图像进行规整，得到规整后的人脸图像；根据提取的人脸属性特征对所述规整后的人脸图像进行聚类，得到聚类后的人脸图像；根据聚类后的人脸图像，构建人脸预测模型。优选地，所述人脸属性特征包括以下任意一种或多种：性别、表情、是否戴眼镜、地域、职业；所述从所述时光变换数据库中的人脸图像中提取人脸属性特征包括：对人脸图像进行人脸检测及人脸特征点定位，得到图像中人脸的局部特征点的位置；根据各局部特征点的位置及预先训练的分类模型提取各人脸图像的人脸属性特征。优选地，所述对所述时光变换数据库中的人脸图像进行规整包括：对所述时光变换数据库中的人脸图像中人脸的坐标及尺度进行规整。优选地，所述根据提取的人脸属性特征对所述规整后的人脸图像进行聚类包括：(1)选择一种人脸属性特征作为决策树的根节点，根据所选择的人脸属性特征的取值确定所述根节点的各条边，并将人脸图像划分为多类；(2)利用提取的人脸属性特征，计算每类人脸图像中剩余的各人脸属性特征取值的最小方差；(3)判断所述最小方差是否大于设定值；如果是，执行步骤(4)；否则执行步骤(5)；(4)将所述最小方差对应的类所属的节点作为叶子节点，不再继续划分；然后执行步骤(6)；(5)将每类中所述最小方差对应的属性特征作为每类人脸图像的上层节点，并根据所述上层节点的取值得到所述上层节点的边，将每类人脸图像继续划分为多类；(6)判断是否还有属性特征未添加到决策树中；如果有，执行步骤(2)；否则，执行步骤(7)；(7)统计每个叶子节点下的人脸图像数量，如果叶子节点中的人脸图像数量小于设定的数量阈值，则删除该叶子节点及其兄弟节点，并将该叶子节点及其兄弟节点中的人脸图像添加到该叶子节点的父节点，决策树构建完成。优选地，所述根据聚类后的人脸图像，构建人脸预测模型包括：针对所述决策树中的每个叶子节点，构建对应该叶子节点的人脸预测模型，具体包括：对时光变换数据库中人脸图像进行排序，同一人的人脸图像按照年龄先后进行排序；利用排序后的数据对人脸预测模型进行初始化，得到初始化的人脸预测模型；对所述初始化的人脸预测模型进行增量训练，得到最终的人脸预测模型。优选地，所述利用所述人脸属性特征确定对应的人脸图像预测模型包括：根据所述人脸属性特征，遍历所述决策树，找到对应的叶子节点；获取所述叶子节点对应的人脸预测模型。优选地，所述方法还包括：根据所述人脸属性特征，对所述预测的人脸图像进行还原，得到还原后的人脸图像。优选地，所述方法还包括：将所述预测的人脸图像或所述还原后的人脸图像与所述待预测的人脸图像的背景进行合成，得到合成后的人脸图像。优选地，所述方法还包括：将所述预测的人脸图像、或还原后的人脸图像、或合成后的人脸图像反馈给用户。一种人脸图像预测系统，包括：接收模块，用于获取待预测的人脸图像及预测人脸图像的时间点；特征提取模块，用于从所述人脸图像中提取人脸属性特征；模型选择模块，用于利用所述人脸属性特征确定对应的人脸图像预测模型；预测模块，将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。优选地，所述人脸图像预测模型包括时光顺流模型和/或时光逆流模型，所述时光顺流模型用于预测人脸未来的长相情况，所述时光逆流模型用于预测人脸过去的长相；所述系统还包括，预测模型构建模块，所述预测模型构建模块包括：图像收集单元，用于收集大量人脸图像，构建时光变换数据库；特征提取单元，用于从所述时光变换数据库中的人脸图像中提取人脸属性特征；规整单元，用于对所述时光变换数据库中的人脸图像进行规整，得到规整后的人脸图像；聚类单元，用于根据提取的人脸属性特征对所述规整后的人脸图像进行聚类，得到聚类后的人脸图像；模型构建单元，用于根据聚类后的人脸图像，构建人脸预测模型。优选地，所述人脸属性特征包括以下任意一种或多种：性别、表情、是否戴眼镜、地域、职业；所述特征提取单元包括：定位子单元，用于对人脸图像进行人脸检测及人脸特征点定位，得到图像中人脸的局部特征点的位置；提取子单元，用于根据各局部特征点的位置及预先训练的分类模型提取各人脸图像的人脸属性特征。优选地，所述规整单元，具体用于对所述时光变换数据库中的人脸图像中人脸的坐标及尺度进行规整。优选地，所述聚类单元具体用于按以下方式对所述规整后的人脸图像进行聚类：(1)选择一种人脸属性特征作为决策树的根节点，根据所选择的人脸属性特征的取值确定所述根节点的各条边，并将人脸图像划分为多类；(2)利用提取的人脸属性特征，计算每类人脸图像中剩余的各人脸属性特征取值的最小方差；(3)判断所述最小方差是否大于设定值；如果是，执行步骤(4)；否则执行步骤(5)；(4)将所述最小方差对应的类所属的节点作为叶子节点，不再继续划分；然后执行步骤(6)；(5)本文档来自技高网...

【技术保护点】
一种人脸图像预测方法，其特征在于，包括：获取待预测的人脸图像及预测人脸图像的时间点；从所述人脸图像中提取人脸属性特征；利用所述人脸属性特征确定对应的人脸图像预测模型；将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。

【技术特征摘要】
1.一种人脸图像预测方法，其特征在于，包括：获取待预测的人脸图像及预测人脸图像的时间点；从所述人脸图像中提取人脸属性特征；利用所述人脸属性特征确定对应的人脸图像预测模型；将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。2.根据权利要求1所述的方法，其特征在于，所述人脸图像预测模型包括时光顺流模型和/或时光逆流模型，所述时光顺流模型用于预测人脸未来的长相情况，所述时光逆流模型用于预测人脸过去的长相；所述方法还包括按以下方式构建人脸图像预测模型：收集大量人脸图像，构建时光变换数据库；从所述时光变换数据库中的人脸图像中提取人脸属性特征；对所述时光变换数据库中的人脸图像进行规整，得到规整后的人脸图像；根据提取的人脸属性特征对所述规整后的人脸图像进行聚类，得到聚类后的人脸图像；根据聚类后的人脸图像，构建人脸预测模型。3.根据权利要求2所述的方法，其特征在于，所述人脸属性特征包括以下任意一种或多种：性别、表情、是否戴眼镜、地域、职业；所述从所述时光变换数据库中的人脸图像中提取人脸属性特征包括：对人脸图像进行人脸检测及人脸特征点定位，得到图像中人脸的局部特征点的位置；根据各局部特征点的位置及预先训练的分类模型提取各人脸图像的人脸属性特征。4.根据权利要求2所述的方法，其特征在于，所述对所述时光变换数据库中的人脸图像进行规整包括：对所述时光变换数据库中的人脸图像中人脸的坐标及尺度进行规整。5.根据权利要求2所述的方法，其特征在于，所述根据提取的人脸属性特征对所述规整后的人脸图像进行聚类包括：(1)选择一种人脸属性特征作为决策树的根节点，根据所选择的人脸属性特征的取值确定所述根节点的各条边，并将人脸图像划分为多类；(2)利用提取的人脸属性特征，计算每类人脸图像中剩余的各人脸属性特征取值的最小方差；(3)判断所述最小方差是否大于设定值；如果是，执行步骤(4)；否则执行步骤(5)；(4)将所述最小方差对应的类所属的节点作为叶子节点，不再继续划分；然后执行步骤(6)；(5)将每类中所述最小方差对应的属性特征作为每类人脸图像的上层节点，并根据所述上层节点的取值得到所述上层节点的边，将每类人脸图像继续划分为多类；(6)判断是否还有属性特征未添加到决策树中；如果有，执行步骤(2)；否则，执行步骤(7)；(7)统计每个叶子节点下的人脸图像数量，如果叶子节点中的人脸图像数量小于设定的数量阈值，则删除该叶子节点及其兄弟节点，并将该叶子节点及其兄弟节点中的人脸图像添加到该叶子节点的父节点，决策树构建完成。6.根据权利要求5所述的方法，其特征在于，所述根据聚类后的人脸图像，构建人脸预测模型包括：针对所述决策树中的每个叶子节点，构建对应该叶子节点的人脸预测模型，具体包括：对时光变换数据库中人脸图像进行排序，同一人的人脸图像按照年龄先后进行排序；利用排序后的数据对人脸预测模型进行初始化，得到初始化的人脸预测模型；对所述初始化的人脸预测模型进行增量训练，得到最终的人脸预测模型。7.根据权利要求5所述的方法，其特征在于，所述利用所述人脸属性特征确定对应的人脸图像预测模型包括：根据所述人脸属性特征，遍历所述决策树，找到对应的叶子节点；获取所述叶子节点对应的人脸预测模型。8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：根据所述人脸属性特征，对所述预测的人脸图像进行还原，得到还原后的人脸图像。9.根据权利要求8所述的方法，其特征在于，所述方法还包括：将所述预测的人脸图像或所述还原后的人脸图像与所述待预测的人脸图像的背景进行合成，得到合成后的人脸图像。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：将所述预测的人脸图像、或还原后的人脸图像、或合成后的人脸图像反馈给用户。11.一种人脸图像预测系统，其特征在于，包括：接收模块，用于获取待预测的人脸图像及预测人脸图像的时间点；特征提取模块，用于从...

【专利技术属性】
技术研发人员：吴子扬，刘聪，刘庆峰，
申请(专利权)人：讯飞智元信息科技有限公司，
类型：发明
国别省市：安徽;34